Могут ли возникнуть проблемы с работой со строками если использовать не char* /const char*
, а unsigned char*/const unsigned char*
?
Если все правильно, к примеру, в UTF-8
, каждый символ имеет свой индекс в диапазоне от 1-255
. В случае в char*
диапазон будет другой.
2 ответа
Несмотря на то, что char
, unsigned char
и signed char
- это три разных типа, представление простого char
может быть как знаковым, так и беззнаковым. Это определяется реализацией компилятора. Поэтому говорить о каких-то проблемах можно лишь с учётом конкретного компилятора и функции, обрабатывающей массив таких символов (строк в данной интерпретации). Например, для функций из <cctype>
, в частности std::isalnum
требуется чтобы символ был представим диапазоном unsigned char
и для безопасного использования требуется соответствующее приведение типа:
To use these functions safely with plain chars (or signed chars), the argument should first be converted to
unsigned char
Иначе, результатом может быть неопределённое поведение.
В UTF8 символы не имеют индекса в диапазоне 1-255, а занимают от 1 до 6 байт с переносом. Для строк в кодировке UTF8 С++20 вводит отдельный тип char8_t
.
-
1Стоит заметить, что
char8_t
описывает кодовую единицу для UTF-8, а не символ в общем случае.– αλεχολυτ ♦Commented 15 мая 2019 в 8:49